基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
RAKEL(random k-labelsets)算法是一种集成技术,能有效解决多标签分类问题.它将原始标签集随机选用一小部分标签子集构成的数据集来训练每个分类器,但由于RAKEL算法构造标签空间的随机性,并未充分考察到样本多个标签之间的相关性,从而造成分类精度不高,泛化性能受到一定影响.为此,提出了改进的LC-RAKEL算法.首先,通过标签聚类将原始标签集划分成标签簇,再从每个标签簇中各选择一个标签构成标签集,以此发现标签空间中重要且不频繁的映射关系;然后,利用出现次数较少的标签集合组成新的训练数据,训练相应的分类器.实验证明,改进的算法性能优于其他常用多标签分类算法.
推荐文章
一种半监督的多标签Boosting分类算法
Boosting算法
半监督学习
多标签分类
一种基于标签相关性的多标签分类算法
多标签
标签相关性
kNN
二阶
标签相关的多标签分类算法
离散化
贝叶斯网
朴素贝叶斯分类器
多标签学习
基于标签相似度的不良信息多标签分类方法
多标签分类
标签之间的相关关系
不良信息
中心标签
标签相似度系数矩阵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种改进的RAKEL多标签分类算法
来源期刊 浙江师范大学学报(自然科学版) 学科 工学
关键词 多标签分类 RAKEL 标签空间 随机 不频繁的映射
年,卷(期) 2016,(4) 所属期刊栏目 计算机
研究方向 页码范围 386-391
页数 6页 分类号 TP181
字数 3832字 语种 中文
DOI 10.16218/j.issn.1001-5051.2016.04.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 金永贤 浙江师范大学数理与信息工程学院 28 152 6.0 11.0
2 周恩波 浙江师范大学数理与信息工程学院 2 6 2.0 2.0
3 张微微 浙江师范大学数理与信息工程学院 2 6 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (52)
共引文献  (23)
参考文献  (14)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (2)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(7)
  • 参考文献(2)
  • 二级参考文献(5)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(6)
  • 参考文献(3)
  • 二级参考文献(3)
2012(12)
  • 参考文献(3)
  • 二级参考文献(9)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
多标签分类
RAKEL
标签空间
随机
不频繁的映射
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
浙江师范大学学报(自然科学版)
季刊
1001-5051
33-1291/N
大16开
浙江金华浙江师范大学33信箱
1960
chi
出版文献量(篇)
2287
总下载数(次)
2
总被引数(次)
10075
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导